1、互聯(lián)網(wǎng)的迅速發(fā)展,信息爆炸式的增長,為數(shù)字圖書館的發(fā)展提供了巨大的推動力。數(shù)字圖書館是一個新興的,涉及到因特網(wǎng)、多媒體、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和知識產(chǎn)權保護等諸多技術的計算機應用領域,數(shù)字圖書館中保存大量的信息和知識,然而面對大量的信息資源,人們很難從中準確、充分、快速地找到有用的信息,如何高效地處理這些文本信息成為信息處理領域的研究熱點?；谌斯ぶ悄芗夹g的文本自動分類成為研究解決這個問題的重要技術。 本文是在數(shù)字圖書館系統(tǒng)的環(huán)境下

2、,對資源庫中的保存的網(wǎng)頁進行有效分類的研究,主要涉及以下幾個方面：網(wǎng)頁數(shù)據(jù)采集、數(shù)據(jù)預處理、特征約簡及文本分類,其中文本分類模型的設計是本文的核心內容。 本文先從文本分類的基礎理論著手,闡述了文本分類系統(tǒng)的理論及分類的關鍵技術和主要算法,對各種方法的理論依據(jù)、適用條件和范圍及優(yōu)、缺點進行了比較分析；然后詳細介紹了人工智能領域兩種關鍵技術-粗糙集和徑向基函數(shù)神經(jīng)網(wǎng)絡的相關理論；以河北經(jīng)貿大學圖書館文本數(shù)據(jù)為背景,針對數(shù)字圖書館文本

3、資源以及中文語言的特點,借助粗糙集很好的處理模糊和不確定性問題的能力和RBF神經(jīng)網(wǎng)絡的卓越的函數(shù)逼近能力和快速學習能力,建立了基于Rough-RBFNN的數(shù)字圖書館文本自動分類模型并對神經(jīng)網(wǎng)絡進行了優(yōu)化,在此基礎上設計、實現(xiàn)了數(shù)字圖書館文本自動分類系統(tǒng)。 理論研究與實際測試表明,本文采用的基于粗糙集--神經(jīng)網(wǎng)絡相結合的文本分類模型,通過粗糙集的屬性約簡方法,降低文本維數(shù),簡化神經(jīng)網(wǎng)絡的結構,減少網(wǎng)絡的訓練時間,可以快速準確地得到